ARTIKEL PREDIKSI KEBUTUHAN BAHAN BAKU SENAPAN ANGIN MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE

Transkripsi

1 ARTIKEL PREDIKSI KEBUTUHAN BAHAN BAKU SENAPAN ANGIN MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE Oleh: YOHAN HANIF ABDURROHMAN Dibimbing oleh : 1. Ir. Juli Sulaksono, M.Kom, M.M 2. Ahmad Bagus Setiawan, M.Kom, M.M PROGRAM STUDI TEHNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI TAHUN 2018

2 1

3 PREDIKSI KEBUTUHAN BAHAN BAKU SENAPAN ANGIN MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE Yohan Hanif Abdurrohman Fakultas Ir. Juli Sulaksono, M.Kom, M.M dan Ahmad Bagus Setiawan, M.kom, M.M UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK Penelitian ini dilatar belakangi hasil pengamatan dan pengalaman peneliti, bahwa kinerja dan sistem Pembukuan yang masih belum efektif. Perekapan data transaksi masih menggunakan cara manual. Hal itu menyebabkan sering terjadinya ketimpangan dalam hal pengandaan barang sehinggga sering terjadi penumpukan barang terlalu lama juga keterlambatan dalam pengadaan bahan baku senapan angin. Dengan demikian permaslahan peniliti adalah (1) Bagaimana membuat sistem peramalan kebutuhan bahan baku yang dibutuhkan untuk produksi periode selanjutnya? (2) Bagaimana membuat sistem yang dapat memenejemen stok bahan baku senapan angin? Penelitian ini menggunakan metode Weight moving average untuk menentukan jumlah bahan baku yang harus di beli perushaan agar tidak terjadi ketimpangan di bagian gudang. Penggunaan metode ini dianggap lebih relevan untuk dipakai karena memberikan bobot berbeda pada setiap data historis. dengan asumsi bahwa data historis yang paling terakhir atau terbaru akan memiliki bobot lebih besar dibandingkan dengan data historis yang lama karena data yang paling terakhir atau terbaru merupakan data yang paling relevan untuk peramalan. Untuk mendapatkan hasil akhir dalam penelitian ini terdapat beberapa tahapan yaitu, (1) menetukan data yang akan digunakan untuk melakukan peramalan. Data terebut diperoleh dari data transaksi gudang UD.hafara (2) pemilihan periode yang tepat untuk dilakukannya peramalan agar hasinya lebih maksimal (3) kemudian data akan di proses oleh sistem berdasarkan rumus perhitungan WMA dan juga periode yang sudah ditentukan (4) dan terakhir hasil dari olahan sistem dapat digunakan sebagai acuan dalam pemesanan bahan baku senapan angin untuk periode selanjutnya. Hasil penelitian ini adalah (1) Menerapkan metode Weight Moving Average untuk memprediksi kebutuhan bahan baku periode selanjutnya berdasarkan data transaksi yang dimasukan oleh admin. (2) Aplikasi peramalan bahan baku ini dapat membantu membantu kinerja admin UD. Hafara dalam perekapan data transaksi keluar masuk nya barang dan juga dapat membantu melihat stok bahan baku senapan angin yang ada di gudang. KATA KUNCI : Forcasting, Weight Moving Average, Senapan Angin 2

4 I. LATAR BELAKANG Dunia industri saat ini telah berkembang dengan pesat, sejalan dengan perkembangan ilmu pengetahuan dan teknologi yang semakin maju. Sehingga persaingan antar perusahaan menjadi semakin ketat. Adanya persaingan yang semakin ketat tersebut medorong setiap perusahaan untuk menerapkan pengendalian terhadap persediaan bahan baku secara tepat sehingga perusahaan dapat tetap eksis untuk mencapai tujuan yang diinginkan. Pengendalian persediaan bahan baku memiliki peran yang sangat penting karena memiliki keterkaitan langsung dengan ketersediaan barang untuk memenuhi permintaan pelanggan dan juga terdapat biaya persediaan yang memberikan dampak cukup besar bagi perusahaan. Salah satu contoh pengendalian bahan baku adalah dengan melakukan peramalan untuk pengadaan bahan baku produksi periode yang akan datang berdasarkan penjualan senapan angin pada periode sebelumnya. Dengan begitu penumpukan bahan baku bisa dihindari dan perusahan dapat menghemat pengeluaran mereka. UD. Hafara adalah perusahaan yang bergerak di bidang pembuatan alat olahraga (senapan angin). Perusahaan tersebut berdiri pada tahun 2004 di desa Langenharjo. Seiring berkembang perusahaan tersebut permintaan pelanggan pun terus meningkat. Untuk itu perusahaan membutuhkan sebuah sistem yang dapat mengendalikan stock bahan baku agar tidak terjadi kelebihan bahan baku ataupun kekurangan stock bahan baku. Sistem tersebut harus bisa memprediksi berapa jumlah bahan baku yang akan dibutuhkan pada produksi di periode selanjutnya. Hal tersebut berguna karena dapat meminimalkan biaya pengadaan bahan baku pada periode yang akan datang. Metode Weighted Moving Average diharapkan dapat memecahkan permasalahan dalam peramalam bahan baku di UD. Hafara. Karena Metode Weighted Moving Average memberikan bobot yang berbeda untuk setiap data historis masa lalu yang tersedia, dengan asumsi bahwa data historis yang paling terakhir atau terbaru akan memiliki bobot lebih besar dibandingkan dengan data historis yang lama karena data yang paling terakhir atau terbaru merupakan data yang paling relevan untuk peramalan. 3

5 II. METODE A. Metode WMA (Weighted Moving Average) Peramalan memiliki beberapa metode yang umum seperti metode weight moving average, single Moving average, exponential smoothing, dan regresi linier. Moving average (Metode rata-rata bergerak) banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk data yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau seasonal. Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data permintaan aktual dari n periode terakhir. Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Praktik ini membuat teknik peramalan lebih tanggap terhadap perubahan karena periode yang lebih dekat mendapatkan bobot yang lebih berat. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk penetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan pembutuhkan pengalaman. Rata-rata bergerak dengan pembobotan atau rata-rata bergerak tertimbang dapat digambarkan secara matematis. Penulis memilih menggunakan Metode Weighted Moving Average karena WMA memberikan bobot yang berbeda untuk setiap data historis masa lalu yang tersedia, dengan asumsi bahwa data historis yang paling terakhir atau terbaru akan memiliki bobot lebih besar dibandingkan dengan data historis yang lama karena data yang paling terakhir atau terbaru merupakan data yang paling relevan untuk peramalan. Akan tetapi Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot membutuhkan pengalaman. Sebagai contoh, jika bulan atau periode terakhir diberi bobot yang terlalu berat, peramalan dapat menggambarkan perubahan yang 4

6 terlalu cepat yang tidak biasa pada permintaan atau pola penjualan. Berikut prosedur pembobotan data pada tabel 2.1 di bawah ini: Keterangan : Dt : data aktual pada periode t bobot : bobot yang diberikan untuk setiap bulan Bobot yang diberikan Tabel 2.1 Prosedur Pembobotan data Periode 3 Bulan Terakhir 2 Dua bulan lalu 1 Tiga bulan lalu 6 Jumlah bobot Ramalan untuk bulan ini (3 x Penjualan ) + (2x Penjualan 2 bulan lalu ) + ( 1 x Penjualan 3 bulan lalu) Jumlah Bobot Menurut (Gaspersz, 2004) Metode Weight Moving Average (WMA) adalah Model rata-rata begerak terbobot yang lebih responsif terhadap perubahan, karena data dari periode yang baru biasanya diberi bobot lebih besar. Suatu model rata-rata bergerak n- periode terbobot, weighted MA(n), dinyatakan sebagai berikut: WMA = ( ( )) ( ) Ilustrasi : Diketahui data penjualan suatu departement store 3 bulan periode. Kemudian ingin meramalkan penjualan bulan ke-4 dengan Weight moving average. Data penjualannya dilihat di tabel 2.2 berikut: Tabel 2.2 Tabel Penjualan Month1 Month2 Month3 Month ? WMA = ( ( )) ( ) Month4 = ((105*3)+(90*2)+(100 *1)) /(3+2+1) = ( (315)+(270)+(100)) /(6) = (685) /(6) = 114,1 Maka ramalan bulan ke 4 dengan Metode WMA adalah : 114,1 5

7 III. HASIL DAN KESIMPULAN A. Implementasi Program 3. Tampilan Admin 1. Tampilan Login Gambar 3.1 Tampilan Login Pada gambar 3.1 Sebelum Admin atau Owner masuk ke sistem, terlebih dahulu Admin atau Owner memasukkan username dan password, agar bisa mengakses sistem. 2. Tampilan Home Gambar 3.3 Tampilan Tambah Admin Pada gambar 3.3 Halaman ini berfungsi untuk menginputkan data admin atau owner baru sebagai akses masuk kedalam sistem. Bagi admin atau owner yang baru terdaftar maka akan mempunyai hak akses kedalam sistem dan dapat menjalankan sistem sesuai dengan hak aksesnya. Karena untuk admin mempunyai hakakses kesemua menu. Gambar 3.2 Tampilan Home Dalam tampilan home aplikasi ini berisi tampilan tabel transaksi barang keluar masuk, dapat dilihat pada gambar Gambar 3.4 Tampilan Daftar Admin Pada gambar 3.4 Halaman ini berfungsi untuk menampilkan daftar data admin atau owner yang sudah terinput kedalam sistem. 6

8 4. Tampilan Data Barang 5. Tampilan Transaksi Gambar 3.5 Tampilan Input Barang Pada gambar 3.5 Halaman ini befungsi untuk menginputkan data. Dimana transaksi akan mengambil dari data barang yang sudah terinput untuk dijadikan data master dalam melakukan proses transaksi. Sehingga nanti akan menampilkan otomatis nama barang yang akan dibeli sesuai dengan kode barang masing-masing. Gambar 3.7 Tampilan Input Transaksi Pada gambar 3.7 Halaman ini befungsi untuk menginputkan data transaksi barang. Kemudian akan disimpan dalam database sebagai transaksi barang keluar. Data transaksi yang diinpukan akan langsung ditampilkan dalam bentuk tabel barang keluar. 6. Tampilan hasil peramalan Gambar 3.6 Tampilan Daftar Barang Pada gambar 5.22 Halaman ini befungsi untuk menampilkan daftar data barang berupa senapan, aksesoris dan sparepart yang sudah terinput. Yang nantinya akan menjadi data master untuk transaksi. Gambar 3.8 Tampilan hasil peramalan Pada gambar 5.24 Halaman ini befungsi untuk memproses peramalan dari data transaksi. 7

9 Sehingga bisa memprediksi bahan baku untuk periode produksi bulan selanjutnya dan ditampilakan dalam bentuk tabel. B. Analisa Korelasi 1. Analisa Korelasi Pipa Besi 22 mm Analisa Korelasi dilakukan pada data transaksi Pipa Besi 22 mm tahun terhadap hasil hasil perhitungan dengan metode WMA. Hasilnya dapat dilihat dari tabel 3.1 berikut : Tabel 3.1 Analisa Korelasi Pipa Besi 22 mm No Bulan Data 1 September Oktober November Desember Januari 6 Februari aktual bahan keluar Hasil perhitungan dengan medote WMA No Bulan Data 7 Maret 8 April aktual bahan keluar Hasil perhitungan dengan medote WMA Mei Juni Juli Agustus 13 September 14 Oktober 15 November 16 Desember 17 Januari 18 Februari 19 Maret 20 April Mei Juni Juli

10 No Bulan Data 24 Agustus 25 September 26 Oktober 27 November 28 Desember 29 Januari 30 Februari 31 Maret 32 April aktual bahan keluar Hasil perhitungan dengan medote WMA Mei Juni Juli Agustus 37 September 38 Oktober November No Bulan Data 40 Desember 41 Januari 42 Februari 43 Maret 44 April aktual bahan keluar Hasil perhitungan dengan medote WMA Mei Juni Juli Agustus 49 September 50 Oktober 51 November 52 Desember 53 Januari 54 Februari

11 No Bulan Data 55 Maret 56 April aktual bahan keluar Hasil perhitungan dengan medote WMA Mei Juni Juli Agustus 61 September 62 Oktober 63 November 64 Desember 65 Januari Februari Maret April Mei Juni Juli No Bulan Data aktual bahan keluar Hasil perhitungan dengan medote WMA Koefisien Korelasi 0, Dari uji coba pada tabel 5.22 di atas didapat hasil Koefisien korelasi sebesar 0, Hasil tersebut masuk kategori rendah yang artinya korelasi antara data aktual dan data peramalan rendah. III. PENUTUP A. Simpulan Berdasarkan pembahasan dari analisis dan uji coba yang telah dilakukan, maka dapat di ambil kesimpulan terhadap Peramalan bahan baku senapan angin adalah sebagai berikut : 1. Aplikasi peramalan bahan baku berhasil dibangun menggunakan metode Weight moving Average Kemudian dari hasil uji coba korelasi antara data aktual dan hasil peramalan sistem didapat hasil sebesar 0, untuk pipa kuningan 25 mm, 0,

12 untuk pipa besi 22 mm, 0,03961 untuk pipa besi 22 mm, 0, untuk as kuningan 22 mm, dan 0, untuk as almini 22 mm. Hasil tersebut masuk kategori rendah dan sangat rendah yang artinya antara data aktual dan data peramalan memiliki korelasi yang cukup. Untuk itu disimpulkan sistem ini dapat digunakan untuk memprediksi kebutuhan bahan baku untuk produksi periode selanjutnya 2. Aplikasi Peramalan bahan B. Saran baku ini dapat membantu kinerja admin UD. Hafara dalam perekapan data transaksi keluar masuk nya barang dan juga dapat membantu melihat stok bahan baku senapan angin yang ada di gudang. Pada penulisan Skripsi ini tentu masih banyak kekurangan, dan mungkin dapat disempurnakan oleh penelitianpenelitian berikutnya. Fungsi aplikasi ini masih sangat terbatas tentunya masih mungkin untuk dikembangkang lagi. Untuk lebih menyempurnakan program ini penulis memberikan beberapa saran misalnya dengan menambahkan kriteria lain ataupun metode lain dalam proses penyelesainya, sehingga hasil yang didapat lebih akurat. IV. DAFTAR PUSTAKA Assauri, Sofjan Manajemen Produksi. Edisi Ketiga, Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Boyd, Danah & Ellison, Nocole B Social Network Sites: Definition, History, and Scholarship. Artikel ilmiah Social Capital Gateway. (online) Tersedia org, diunduh 14 Desember. Firdaus PHP & MySQL dengan DREAMWEAVER. Maxikom. Gaspersz, Vincent Production Planning and Inventory Control, Gramedia Pustaka Utama, Jakarta Gofur,Ade Abdul. & Widianti, Utami Dewi.. Sistem Peramalan Pengadaan Material Injection Di PT XYZ. Bandung : Universitas Pendidikan Indonesia. (online) tersedia : data/jurnal/vol.2- no.2/ pdf/pdf/

13 pdf, diunduh 25 Desember. Heizer, J dan B, Render Manajemen Operasi. Salemba Empat. Jakarta Hendriani, Tika., Yamin, Muh. & Dewi, Anita Puspita.. Sistem Peramalan Persediaan Obat Dengan Metode Weight Moving Average Dan Reorder Point. Kendari: Universitas Halu Oleo dan STMIK Catur Sakti. (online) tersedia : antik/article/viewfile/1811/1280, diunduh 22 Desember. Jogiyanto, H.M Analisis Dan Desain Sistem Informasi. Jogjakarta: Andi Edisi. 3. (online) Tersedia diunduh 22 Desember. Kabunna, Mata al Latar.. Prediksi Keuntungan Penjualan Soto Daging Menggunakan Weighted Moving Average. Kediri: Universitas Nusantara PGRI Kediri. Kendall, Kenneth E. Kendall, Julie E. 2010, Analisis dan Perancangan Sistem, Jakarta, PT Indeks. Leman, (1998), Metodologi Pengembangan Sistem Informasi, PT. Elex Media Komputindo Mahyuzir, Tavri D Analisa dan Perancangan Sistem Pengolahan Data. Jakarta: Elex Media Komputindo Mufit, Fajar.. Prediksi Produksi Penjualan Senapan Angin Menggunakan Metode Trend Moment (Studi Kasus : Cv. Bima Asta). Skripsi Universitas Nusantara PGRI Kedi ri. (online) Tersedia c.id, diunduh 5 Desember. Nugroho, Ari.. Sistem Peramalan Dengan Metode Weighted Moving Average Untuk Persediaan Telur Ayam Negeri Pada UD Barokah. Kediri: Universitas Nusantara PGRI Kediri. Nugroho, Bunafit Database Relasional dengan MySQL. Yogyakarta: Andi. Perkap (Peraturan Kepala Kepolisian Negara Repulik Indonesia) nomor 8 Tahun 2012 tentang Pengawasan dan pengendalian Senjata Api untuk Kepentingan Olahraga. (online) tersedia diunduh 18 November. Rangkuti, Freddy Analisis SWOT : Teknik Membedah Kasus Bisnis. Jakarta: PT. Gramedia Saputra, Andi.. Pengembangan Sistem Pendukung Keputusan Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average. (online) tersedia : 06/IT39_Andri-Saputra.pdf, diunduh 22 Desember. Sugiyono.. Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta Sundari, Siti Shinta. Susanto & Revianti, Wivia.. Sistem Peramalan Persediaan Barang Dengan Weighted Moving 12

14 Average Di Toko Kids 24. (online). tersedia: blications/ id-sistemperamalan-persediaan-barangdenga.pdf, diunduh 25 Desember. Supranto, J Metode Ramalan Kuantitatif Untuk Perencanaan. Jakarta: Erlangga.. Taylor, Bernard W Management Science (Sains Manajemen). Salemba Empat, Jakarta 13